Log In
Or create an account ->
Imperial Library
Home
About
News
Upload
Forum
Help
Login/SignUp
Index
Cover
Titelei
I. Eine Einführung in Verzerrungen und Algorithmen
1. Einführung
2. Voreingenommenheit in der menschlichen Entscheidungsfindung
3. Wie Algorithmen Vorurteile bekämpfen
4. Der Modellentwicklungsprozess
5. Eine kurze Einführung in das Maschinelle Lernen
II. Woher kommen algorithmischen Verzerrungen?
6. Wie Vorurteile in der realen Welt von Algorithmen widergespiegelt werden
7. Vorurteile von Datenwissenschaftlern
8. Wie Daten zu Verzerrungen führen können
9. Die Anfälligkeit von Algorithmen für Stabilitätsverzerrungen
10. Durch den Algorithmus selbst geschaffene Verzerrungen
11. Algorithmische Verzerrungen und soziale Medien
III. Was können Nutzer gegen algorithmische Verzerrungen tun?
12. Optionen für die Entscheidungsfindung
13. Bewertung des Risikos einer algorithmischen Verzerrung
14. Sichere Verwendung von Algorithmen
15. Wie man algorithmische Verzerrungen erkennt
16. Management-Strategien zur Korrektur algorithmischer Verzerrungen
17. Wie man unverzerrte Daten generiert
IV. Was können Datenwissenschaftler gegen algorithmische Verzerrungen tun?
18. Die Rolle des Datenwissenschaftlers bei der Überwindung algorithmischer Verzerrungen
19. Eine Röntgenuntersuchung Ihrer Daten
20. Wann sollte maschinelles Lernen eingesetzt werden?
21. Wie man maschinelles Lernen mit traditionellen Methoden verbindet
22. Wie man Voreingenommenheit in selbstverbessernden Modellen vermeidet
23. Wie man Debiasing institutionalisiert
← Prev
Back
Next →
← Prev
Back
Next →